تحلیلی بر مولفه های تبیین کننده حس تعلق مکانی در محلات نوبنیاد شهری (مطالعه موردی: محله ی یاغچیان تبریز)
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 209
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JGUSD-8-1_003
تاریخ نمایه سازی: 12 بهمن 1400
Abstract:
امروزه برنامه ریزی و توسعه ی شهری روندی پایین به بالا بوده که از مقیاس خرد یعنی محله شروع می شود و هدف اولیه ی آن، ایجاد مکان های (محلات) مطلوب برای زندگی از طریق پیوند انسان با مکان و به عبارتی ارتقای حس تعلق مکانی محسوب می گردد. در این راستا، با توجه به اهمیت برنامه ریزی و توسعه ی محله محور در دست یابی به توسعه ی شهری و نقش تاثیرگذار ارتباط و پیوند انسان با محلات و توسعه ی آن، هدف از تحقیق حاضر شناسایی مولفه های تبیین کننده ی حس تعلق مکانی در محلات نوبنیاد تبریز(محله ی یاغچیان) می باشد. روش تحقیق در مطالعه ی حاضر از نظر هدف کاربردی و از نظر ماهیت توصیفی-تحلیلی می باشد که به منظور تجزیه و تحلیل اطلاعات از مدل حداقل مجذورات جزئی در نرم افزار Warp-PLS استفاده شده است. جامعه ی آماری تحقیق نیز ساکنان محله ی یاغچیان تبریز (حدود ۱۵۰۰۰۰ نفر) می باشد که حجم نمونه بر مبنای فرمول کوکران ۳۸۴ نفر برآورد گردیده و براساس فرمول اصلاح شده ی کوکران به تعداد ۳۴۰ نفر تقلیل یافته است. یافته های تحقیق بر مبنای مدل ساختاری حاکی از آن است که در محله ی مورد مطالعه مولفه های تبیین کننده ی حس تعلق مکانی در وهله ی اول تعلق کارکردی: انعطاف پذیری، آسایش و جذابیت به ترتیب با ارزش ۶۵/۰، ۵۹/۰ و ۴۴/۰، در وهله ی دوم تعلق حسی و عاطفی: سیمای بصری و اجتماع پذیری به ترتیب با ارزش ۴۱/۰ و ۳۸/۰ و در وهله ی سوم تعلق مفهومی: هویت و شخصیت مکان، خوانایی و قابلیت ادراک و تصور مکان به ترتیب با ارزش ۳۲/۰، ۲۷/۰ و ۲۲/۰ می باشند.
Keywords:
Authors
الهام حاتمی گلزاری
استادیار گروه معماری، مرکز سردرود، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران.
علیرضا سلطانی
استادیار گروه معماری و شهرسازی، مرکز آموزش علمی کاربردی شهرداری تبریز، دانشگاه جامع علمی کاربردی، تبریز، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :